数值预报AI气象大模型国际发展动态研究

数值预报是研究地球系统的重要工具,有助于加深科学家对大气、海洋、气候和环境等复杂系统之间相互作用和变化过程的理解,在防灾减灾、气候变化和环境治理等方面发挥着不可或缺的作用。随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。而近年来,“AI+气象”的交叉研究在气象领域引起了广泛关注。基于多种深度学习架构的人工智能大模型,依托强大的计算资源和海量的数据进行训练,能够以新的科学范式进行高效数值预报。气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。这标志着人工智能与气象领域的交叉融合已经达到新的高度。尽管气象大模型在现阶段取得了较大突破,但其发展仍然面临弱可解释性、泛化能力不足、极端事件预报强度偏低、智能预报结果过平滑、深度学习框架能力需要拓展等诸多挑战。

基于人工智能大模型的中期全球气象预报新方法

天气预报对科学和社会具有重要意义。传统数值气象预报(NWP)方法需要大量算力,且在预报精度方面遭遇瓶颈。基于三维神经网络,构建盘古气象大模型,用于准确预报中期全球气象,并且采取地球特定先验和层次化时域聚合策略,处理天气数据中的复杂模式,同时降低中期全球气象预报中的累积误差。利用1979—2017年全球气象数据训练之后,发现盘古气象大模型对所有测试变量的确定性气象预报精度都超越了欧洲中期天气预报中心的综合预报系统(IFS),且在极端气象预报和集成气象预报中也表现良好。当使用再分析数据做初始化时,其跟踪热带气旋的准确性也超过了欧洲中期天气预报中心高分辨率预报系统的结果。